他们是怎么识别出异常转账行为的？

平台对异常转账的识别主要依赖技术+模型的方式。具体来说，就是对每一笔交易进行全方位多维度的实时监控，包括但不限于转账金额、转账频率、地址之间的关系、链上的行为等。

例如，若某地址在平时没有交易的情况下，突然大额转入转出至陌生地址，那么就可能被判定为存在异常；通过机器学习模型对正常用户与异常用户的行为数据进行学习训练，让模型自动识别异常交易；

当然这些模型都是动态变化，随着黑灰产的不断更新，平台也会不断优化模型。

平台认定为异常转出方式一般是通过风控系统的风控判断和风控算法，通过对用户转账行为的多个维度（如转账时间、频率、金额）进行数据建模从而得出异常结论。风险引擎一般包括规则引擎和机器学习模型，两者互相结合互为补充，可以较为准确地判定风险。

平台识别异常转账主要靠风控模型和大数据进行甄别。通俗来讲，风控模型可以理解为依靠大数据建立的机器学习模型，在学习了海量的历史交易数据之后，能够将“非正常交易行为”从正常的交易流水当中筛选出来，例如短时间内频繁进行资金转移、非经常性账户出现集中操作等。技术手段和模型起主导作用，但也有部分平台会辅以人工规则进行判定。

平台识别诈骗风险转账依靠的是风控系统。风控系统通过大数据对转账账户的转账频率、转账金额、转账时间、设备信息等进行综合判断，建立用户画像，通过大数据算法模型，建立正常转账关系，一旦出现非正常转账，通过大数据模型即可迅速发现，并发出预警。

平台的识别主要依靠风控模型和反欺诈技术，通过建模为用户交易行为打分，来辨别异常交易。比如转账额度突然升高、转账对象陌生、转账时间不在正常时间段等都是平台会重点观察的节点。其实可以简单的理解成，就是通过大数据分析用户的交易行为规律，一旦发生偏离就进行筛查。这种识别方式大多数都是机器自动完成，有专门的安全团队负责二次审核。目前来看，这方面的能力已经比较成熟了。